Türkçe

QwenPaw (CoPaw) İncelemesi: Alibaba'nın Açık Kaynak Kişisel Ajanı

Eski adıyla CoPaw olan QwenPaw, Alibaba'nın tamamen çevrimdışı çalışabilen Apache-2.0 ajanı. Kurulum seçenekleri, sandbox ve telemetri varsayılanları, kimlere uygun.

QwenPaw sitesine git

QwenPaw, Alibaba’nın AgentScope ekibinden çıkan açık kaynak bir kişisel asistan. Onu CoPaw olarak tanıyorsanız, aynı proje: v1.1.0 sürüm notlarında açıklandığı gibi Şubat 2026’da CoPaw olarak yayımlandı ve Nisan 2026’da QwenPaw adını aldı. Eski adı eski kılavuzlarda ve PyPI’daki copaw paketinde hâlâ görebilirsiniz. Depoda, 8 Kasım 2026’da kontrol ettiğimizde 37.495 GitHub yıldızı vardı.

QwenPaw web console with a new chat, model picker set to qwen3.5-plus, and a sidebar listing Channels, Sessions, Cron Jobs, Heartbeat, Files, Skills, Tools, MCP and Agent Management
QwenPaw's web consolegithub.com

Nedir

QwenPaw, OpenClaw ve nanobot ile aynı ailede: makinenizde çalışan, bir web konsolundan, terminal arayüzünden veya sohbet uygulamalarından ulaştığınız, sizi hatırlayan, zamanlanmış işler çalıştıran ve bir tarayıcı, shell, MCP araçları, skill’ler ve eklentiler aracılığıyla eylemde bulunabilen bir ajan. Onu iki şey ayırıyor: tamamen yerel modellerle çalışacak şekilde tasarlanmış olması ve birkaç bağımsız ajanı yan yana çalıştırabilmesi.

Kurulum

pip (Python 3.11 ile 3.13 arası), bir kurulum betiği veya Docker ile kurabilirsiniz. Betik kolay yol: macOS, Linux veya Windows’ta Python, Node.js ve web konsolunu kuruyor. Alibaba ayrıca AgentScope Platform’unda ücretsiz tek tıklamalı bulut dağıtımı sunuyor, ancak bu artık self-hosting sayılmaz. Windows ve macOS için masaüstü uygulamaları var ama beta aşamasında.

Web konsolu kanalları, cron işlerini, heartbeat’i, skill’leri, MCP’yi ve dosyaları kapsıyor; belgeler her birini adım adım anlatıyor. Sürümler sık ve çok sayıda beta var, bu yüzden sık güncellemeyi ve güncellerken notları okumayı bekleyin.

Telemetri: init komutunu okuyun

QwenPaw, qwenpaw init sırasında her sürüm için bir kez anonim kurulum verisi gönderiyor: sürüm, kurulum yöntemi, işletim sistemi, Python sürümü, CPU mimarisi ve GPU olup olmadığı. Ekip hiçbir kişisel veri, dosya, kimlik bilgisi veya IP adresi toplamadığını söylüyor (README).

Sorun, onayın nasıl işlediğinde. Etkileşimli kurulum sizden katılmayı onaylamanızı istiyor, ancak belgelerin önerdiği hızlı başlangıç komutu qwenpaw init --defaults bunu otomatik olarak kabul ediyor. Hiçbir şey gönderilmesini istemiyorsanız etkileşimli qwenpaw init komutunu çalıştırın ve reddedin. Az miktarda bir veri, ama hızlı başlangıcı izlerseniz varsayılan olarak açık.

Sandbox: kapalı ve Docker’da daha zayıf

QwenPaw, bu kategorideki çoğu ajandan daha fazla güvenlik katmanına sahip. Güvenlik belgeleri; Tool Guard, File Guard, skill taraması, erişim politikaları ve komutlar için isteğe bağlı çekirdek düzeyinde bir sandbox tanımlıyor.

Bu sandbox varsayılan olarak kapalı (kaynak) ve Docker içinde hiç izolasyon olmamasına geri düşüyor. İkinci nokta sezgiye aykırı: QwenPaw’ı Docker’da çalıştırmak size komut sandbox’ını vermiyor, yalnızca konteynerin kendisinin sağladığı ayrımı veriyor. Ana makinenize kurarsanız, herhangi bir sohbet kanalını bağlamadan önce sandbox’ı açın.

QwenPaw terminal UI with a pixel-art logo, a status bar showing agent, model, session and token counts, and a short Hello exchange
Chatting with QwenPaw in its terminal UIgithub.com

Güçlü yanı yerel modeller

QwenPaw; DashScope (Qwen), OpenAI, Anthropic, Gemini, DeepSeek, Kimi ve OpenRouter dahil 20’den fazla bulut sağlayıcısıyla çalışıyor. API anahtarı olmadan tamamen çevrimdışı da çalışabiliyor: yerleşik bir llama.cpp çalışma ortamı var, Ollama ve LM Studio’yu destekliyor ve ekip, ajan görevleri için eğitilmiş kendi küçük QwenPaw-Flash modellerini yayımlıyor (model belgeleri).

Bu kombinasyon, yani aynı ekipten bir çalışma ortamı ve ona göre ayarlanmış bir model, bir ajanı ayrı bir yerel model sunucusuna kendiniz bağlamaktan daha az kurulum gerektiriyor. Yerel bir modelin neyin üstesinden gelebileceği yine donanımınıza bağlı, bu yüzden bir bulut sağlayıcısını bırakmadan önce gerçek görevlerinizi deneyin.

Birden fazla ajan ve hafıza

Her ajanın kendi hafızası, skill’leri ve heartbeat’i var ve ajanlar birlikte çalışabiliyor (çoklu ajan belgeleri). Hafıza, okuyup düzenleyebileceğiniz üç katmanlı bir Markdown deposu. Heartbeat kontrolleri ve cron işleri, siz yokken ajanların çalışmaya devam etmesini sağlıyor. Görsel üretimi, Qwen-Image veya GPT Image 2 için resmî eklentiler aracılığıyla geliyor.

Kanallar

Kapsam en güçlü Çin platformlarında: DingTalk, Feishu, WeChat ve QQ; bunların yanında Telegram, Discord ve Slack. iMessage yalnızca bir Mac’te, üçüncü taraf bir yardımcı ve Full Disk Access ile çalışıyor; bu da verilmesi geniş bir erişim. WhatsApp kanalı yok (kanal belgeleri).

Kimler kullanmalı

QwenPaw; tamamen yerel modellerle çalışan self-hosted bir ajan isteyenlere, DingTalk, Feishu, WeChat veya QQ kullanıcılarına ve tek bir makinede küçük bir uzman ajan ekibi isteyen herkese uygun. WhatsApp’a ihtiyacınız varsa ya da ayarlara dokunmadan açık olan bir sandbox istiyorsanız daha zayıf bir seçim.

Nasıl karşılaştırılıyor

  • nanobot en yakın eşleşme: Python, MIT, şık bir WebUI, yerel modeller ve varsayılan olarak telemetri yok; ancak onun shell sandbox’ı da varsayılan olarak kapalı.
  • ZeroClaw önerilen profilinde işletim sistemi sandbox’ını açık tutuyor ve telemetri göndermiyor, ama yapılandırma bir TOML dosyası.
  • OpenClaw daha büyük bir ekosisteme ve WhatsApp desteğine sahip, sandbox ise varsayılan olarak kapalı.

Daha fazlası için en iyi yerel AI ajanı ve OpenClaw alternatifleri sayfalarına bakın.

Fiyatlar

QwenPaw: Fiyatlar
Open sourceÜcretsiz
  • Apache-2.0 licensed and free to self-host
  • You pay your chosen model provider, or run a local model with no API key

Özellikler

Özellikler
Web aramasıEvet
Görsel üretimiEvet
Sesli modEvet
Dosya yüklemeEvet
HafızaEvet
Sizin yerinize işlem yaparEvet
Uygulama entegrasyonlarıEvet
Kendi başına çalışırEvet
İlk mesajı kendisi atarEvet
Birden çok botEvet

Güçlü yanlar

  • Runs fully offline with a built-in llama.cpp runtime and purpose-trained QwenPaw-Flash models, no API key needed
  • Several independent agents, each with its own memory, skills and heartbeat, that can work together
  • Layered security: Tool Guard, File Guard, skill scanning, access policies and an optional kernel-level sandbox
  • Broad chat coverage, especially for Chinese platforms such as DingTalk, Feishu, WeChat and QQ, alongside Telegram, Discord, Slack and iMessage
  • Well-documented web console for channels, cron jobs, heartbeat, skills, MCP and files

Zayıf yanlar

  • The command sandbox is off by default, and inside Docker it falls back to no isolation
  • The recommended setup command accepts anonymous install telemetry automatically
  • No WhatsApp channel, and iMessage works only on a Mac with a third-party helper and Full Disk Access
  • Desktop apps are still in beta, and the project moves fast, with frequent beta releases

En uygun olduğu kişiler

  • People who want a self-hosted agent that can run entirely on local models
  • Users of DingTalk, Feishu, WeChat or QQ who want an agent in those apps
  • Running a small team of specialist agents on one machine

Kaynaklar

  1. agentscope-ai/QwenPaw on GitHub (Apache-2.0, README with install options and telemetry)
  2. QwenPaw documentation
  3. QwenPaw v1.1.0 release notes: CoPaw rebrands to QwenPaw
  4. copaw on PyPI (first release February 2026)
  5. QwenPaw docs: Channels
  6. QwenPaw docs: Models (cloud providers, llama.cpp, Ollama, LM Studio)
  7. QwenPaw docs: Security (Tool Guard, File Guard, sandbox)
  8. QwenPaw source: security.sandbox_enabled defaults to off
  9. QwenPaw docs: Heartbeat
  10. QwenPaw docs: Multi-agent
  11. QwenPaw docs: Comparison (voice and video interaction)
  12. QwenPaw docs: Desktop application (beta)
  13. QwenPaw docs: Plugins (GPT Image 2 image generation plugin)
  14. QwenPaw Qwen-Image tool plugin (image generation and editing)